很明显，性能取决于选择的正确算法。但同样明显的是，性能还应该取决于所选择的语言特性（这在解释型 Python 的情况下特别重要），即使使用正确的算法，错误的选择也会降低它。
问题：有没有办法（除了模拟）来确定哪些 Python 工具更快，哪些更慢？例如，哪些库是用 C 编写的（“快速”），哪些是用 Python 编写的（“不那么快”）？或者（有条件地）在不同类型中搜索或排序的速度是否相同？等等。
它可以是一些内置工具，也可以是文档中的一个奇迹页面。
目的：实用 - 编写快速运行的程序。我不要求对奇异组合进行理论比较。
我在答案中总结了在对问题的评论中向我建议的主要内容：
“对于大型数值数组，通常最好使用 Numpy，它是用 C++ 编写的，并针对处理此类数据进行了优化。因此，一般来说，大多数 python 库都是用 C++ 或现代版本的 Fortran 编写的，并且为了获得最佳性能而进行了锐化。但是Python 的内置类型尽可能灵活，因此与特殊库相比，它们通常很慢。”
开始使用PythonSpeed 性能提示